Três resultados, três domínios

Em ciência da computação teórica. A ETH postula, para simplificar, que o problema 3-SAT (decidir se uma fórmula lógica pode ser satisfeita) não pode ser resolvido em tempo subexponencial. Ela é amplamente aceita e serve de ponto de partida para centenas de artigos, que dela deduzem que um problema é difícil. A pré-publicação da OpenAI, datada de 25 de outubro, descreve um algoritmo determinístico que conta exatamente as soluções de fórmulas de largura fixa em tempo subexponencial e espaço polinomial; o caso do 3-SAT refutaria a ETH. Segundo a OpenAI, o modelo encontrou essa prova em 16 de outubro e ela foi formalizada em Lean, um assistente de prova que verifica mecanicamente cada etapa, em 17 de outubro.

Em matemática. A conjectura de suavização local, proposta por Sogge em 1991, trata da focalização de ondas. Ela havia sido demonstrada em dimensão 2 em 2019 (Guth, Wang e Zhang), e a conjectura de Kakeya em dimensão 3 em 2025 (Wang e Zahl). Os modelos da OpenAI propõem uma prova em qualquer dimensão, baseada em uma equação auxiliar de derivadas parciais. O registro do repositório é um pouco mais cauteloso que o anúncio quanto a uma das consequências: fala das estimativas de restrição de Stein “no interior” do domínio conjecturado.

Em física. O terceiro resultado é uma prova matematicamente rigorosa da existência de certas teorias quânticas de campos em quatro dimensões, incluindo a QCD, que descreve a interação forte entre quarks e glúons. Inclui a existência da teoria pura de Yang-Mills, que faz parte de um dos problemas do milênio do Instituto Clay. Nem o texto nem a formalização estão publicados: o grupo de físicos escolheu redigir ele mesmo uma apresentação.

Um novo método de publicação

A OpenAI apresenta esses manuscritos como “dados brutos de pesquisa” e pediu a especialistas de cada domínio que organizem seu exame. Para a ETH, o grupo é liderado por Russell Impagliazzo e Ramamohan Paturi, que formularam a hipótese, e por Ryan Williams (MIT). Para a física, pelo Nobel David Gross, com Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov. Os participantes não assinam acordo de confidencialidade, não são remunerados e falam em seu próprio nome. A OpenAI diz não reivindicar nenhum crédito acadêmico e se comprometeu, a pedido do grupo, a financiar uma conferência sobre as consequências do resultado.

Ryan Williams anunciou o exame falando de uma refutação “alegada” da ETH, e esclarece que o grupo pediu a publicação de todos os dados brutos, PDFs e código Lean incluídos.

Por que a cautela se impõe

A formalização em Lean é um argumento forte, mas só garante o que foi formalizado: ainda é preciso verificar se os enunciados verificados pela máquina correspondem aos enunciados que os pesquisadores têm em mente. O histórico da OpenAI lembra também que um erro continua possível: em 7 de outubro, a empresa retirou três manuscritos de uma publicação anterior, invalidados por um erro de sinal, e corrigiu outros quatorze.

O que muda de verdade: o preço

O fato mais sólido deste anúncio é tarifário. A API cobra 1 dólar por milhão de tokens de entrada, 0,05 dólar de entrada em cache e 5 dólares de saída. A OpenAI esclarece que esses preços padrão são 50% inferiores aos do GPT-5.6 Terra e do GPT-6.1 Sol. Segundo a ficha da AWS, o modelo aceita texto e imagens, com uma janela de até 1 milhão de tokens de entrada.

Para usos de alto volume (leitura de faturas, preenchimento em softwares empresariais, agentes que encadeiam várias etapas), é esse preço por token que determina a conta. A OpenAI destaca, aliás, esse tipo de automação de escritório em vez de tarefas de pesquisa de ponta.

Uso do computador e código: números da própria empresa

A OpenAI apresenta o Terra como um modelo de uso do computador: entender uma tela, preencher formulários, interpretar plantas técnicas. No Agents’ Last Exam, um banco de testes de tarefas profissionais, o desenvolvedor anuncia 15 pontos a mais que o GPT-5.6 Terra em esforço médio de raciocínio, por cerca de um terço do custo, e um nível comparável ao GPT-6 Astra por um preço por token dez vezes menor. Ele afirma também que o Terra realiza as tarefas mais de três vezes mais rápido que o GPT-6 Astra e o GPT-6.1 Sol.

Em programação, a OpenAI alega 50,3% de tarefas resolvidas no Terminal-Bench 4.0 em esforço máximo, contra 21,5% do GPT-5.6 Terra. O próprio desenvolvedor reconhece que, para as tarefas de código mais complexas, GPT-6.1 Sol e GPT-6 Astra continuam preferíveis.

Quanto à confiabilidade, a OpenAI cita um banco de testes interno de perguntas elaboradas para provocar erros: a taxa de erro passaria de 53,6% para 16,7% em esforço baixo, e para 4,3% em esforço máximo. Como esse teste não é público, é impossível reproduzi-lo.

Os limites

Todas as pontuações de desempenho vêm da OpenAI, com suas próprias configurações. Nenhuma medição independente estava disponível no momento da publicação. As comparações de custo com o Claude Opus 5.5 (“cerca de 9 vezes mais barato por tarefa” em esforço máximo) dependem do número de tokens consumidos, portanto da tarefa escolhida. Por fim, a OpenAI indica que o modelo atinge o nível “Critical” de cibersegurança de seu Preparedness Framework e mantém as proteções desenvolvidas para o GPT-6 Astra: um nível de capacidade que implica salvaguardas suscetíveis de recusar certos pedidos de segurança da informação.

Apostar no contexto em vez do tamanho

A Mirendil defende uma tese simples: para tornar um modelo mais capaz, é possível aumentar seu número de parâmetros, mas também a quantidade de informações que ele pode consultar de uma vez. O Fern 0.1, a primeira versão, é construído sobre o Mirendil-Base, um modelo de 0,1 a 0,5 bilhão de parâmetros (o desenvolvedor informa apenas uma faixa), pré-treinado do zero e depois ajustado por um curto pós-treinamento.

Os usos visados são os das equipes que constroem IA: auditar dados de treinamento, depurar um treinamento a partir de seus logs, revisar rastros de agentes de ponta a ponta, trabalhar em repositórios de código muito grandes. Dois modelos base maiores, Large (0,5 a 2 bilhões de parâmetros) e XL (2 a 10 bilhões), estão em pré-treinamento.

O que mostram os números do desenvolvedor

Quanto ao comprimento do contexto, a Mirendil publica um teste RULER: a busca de uma informação isolada (“single needle”) tem 100% de sucesso em todos os comprimentos testados, até 10 milhões de tokens. Mas nesse comprimento, a pontuação se baseia em apenas 20 exemplos, e o próprio desenvolvedor anuncia resultados mais completos “em breve”. Encontrar uma agulha no palheiro é o teste mais simples;raciocinar sobre todo esse contexto é muito mais difícil.

Em programação, as pontuações do Fern 0.1, medidas pela Mirendil com a ferramenta OpenCode em uma única tentativa, ficam longe das melhores: 73,4% no SWE-Bench Verified e 76,5% no SWE-Bench Pro v2-Hard, enquanto o mesmo gráfico atribui 90,2% ao GPT-6 Astra nesse último teste. Os métodos de medição diferem de um modelo para outro nesse gráfico, o que limita o alcance da comparação.

Ainda não utilizável

Ponto essencial: o Fern 0.1 não está acessível. A página indica acesso “em breve” e oferece uma solicitação de acesso antecipado. Nem preço, nem API, nem pesos abertos são anunciados.

Um modelo “professor” para agentes

A empresa desenvolvedora apresenta este modelo como o modelo professor de sua série 4.3: ele deve servir para destilar capacidades de agente em modelos menores, começando por uma versão de 3 bilhões de parâmetros anunciada sem data. Ele visa dois usos: a programação agentiva (um modelo que executa comandos, lê os resultados e corrige) e tarefas de escritório automatizadas.

Do ponto de vista técnico, a ficha indica uma janela de contexto de 524.288 tokens, um modo de raciocínio ativável e um formato de chamada de ferramentas (XML recomendado). O modelo roda com Transformers, SGLang ou vLLM; os pesos em BF16 pesam cerca de 66 GB, e os exemplos de implantação fornecidos distribuem o modelo em quatro GPUs.

Pontuações para ler por inteiro

A Nanbeige compara seu modelo a três concorrentes abertos de tamanho semelhante: Qwen3.8-27B, Muse-Glimmer-30B e Gemma4-31B, todos avaliados segundo a empresa desenvolvedora com as mesmas configurações e o mesmo ferramental. Ela reivindica 80,9 no Terminal-Bench 2.1 (contra 73,0 para Qwen3.8-27B), 23,8 no Terminal-Bench 4.0 (6,3 para Qwen) e 65,5 no DeepSWE (42,5 para Qwen).

A tabela publicada também mostra seus limites: no SWE-Bench Pro, o Nanbeige4.3-33B obtém 60,3, atrás do Qwen3.8-27B (61,7); no GDPval, 84,8 contra 86,4 para Qwen; no GPQA Diamond, 89,5 contra 91,3 para Gemma4-31B. Esses números vêm todos da empresa desenvolvedora; nenhuma medição independente foi publicada ainda.

Para quem?

Um modelo de 33 bilhões de parâmetros sob licença Apache-2.0 interessa às equipes que querem um agente de código hospedado internamente, sem depender de uma API. As comparações devem, no entanto, ser tomadas com cautela: as pontuações de agentes variam muito conforme o ferramental utilizado (“harness”), e as da Nanbeige não são diretamente comparáveis aos números publicados por outras empresas desenvolvedoras com outras ferramentas.

Quatro papéis, uma cadeia de produção

• Producer prepara a sessão (perguntas, roteiro, estúdio) e auxilia durante a gravação.
• Editor estabelece um plano de edição do episódio completo e o realiza com o usuário: ritmo, limpeza de áudio, layouts, legendas.
• Clipper identifica os trechos para compartilhar e os prepara para as redes sociais.
• Marketer escreve legendas e notas de episódio, depois publica ou agenda os conteúdos.

O princípio destacado é o encadeamento: assim que a gravação termina, o Editor prepara um plano de edição e o Clipper propõe trechos, sem que o usuário precise trocar de ferramenta. A Riverside indica que os agentes memorizam as preferências de cada um ao longo do uso.

Preços e salvaguardas

Os agentes estão incluídos em todos os planos da Riverside, com teste gratuito de 14 dias; o que eles podem fazer depende do plano. As funções que funcionam com créditos de IA, como a melhoria de vídeo, continuam consumindo créditos quando um agente as aplica. A Riverside afirma que nenhum conteúdo é publicado sem aprovação: os agentes redigem, o usuário valida.

O que muda, e o que ainda está por ver

A IA na edição de vídeo não é novidade: remoção de silêncios, de palavras parasitas ou corte automático de clipes já fazia parte das ferramentas da Riverside. A novidade é a orquestração de ponta a ponta, da preparação à publicação. A Riverside, por outro lado, não dá nenhum detalhe sobre os modelos utilizados, qualificados de “IA proprietária”, e ainda não há teste independente da qualidade das edições disponível.

Não consultamos, neste momento, nenhuma fonte primária para esse anúncio: os detalhes de preço, idiomas suportados e condições de uso ainda precisam ser verificados.

Para que serve

Esse tipo de ferramenta atende a uma necessidade muito concreta dos criadores de conteúdo curto: produzir vídeos explicativos, apresentações de produtos ou séries com um personagem recorrente, sem filmagem nem animação quadro a quadro. O argumento principal: tudo acontece em uma única ferramenta, a partir de uma única imagem.

As perguntas a se fazer

Uma ferramenta que faz qualquer imagem falar levanta questões de direito de imagem. Antes de usar o rosto de uma pessoa real, é preciso ter sua autorização. E para uma divulgação comercial, as condições de licença do serviço devem ser verificadas.

Fique de olho: CapCut no ChatGPT

A mesma fonte anuncia a chegada em breve de um plugin do CapCut no ChatGPT. Sem data nem confirmação oficial consultada, classificamos como informação a confirmar.

Artigo corrigido em 27 de outubro de 2026: Chimera foi lançado em 21 de outubro (e não em 24); descrição do funcionamento esclarecida.

Cursor: o agente pode usar um computador

Cursor documenta a função Computer Use para seus agentes cloud auto-hospedados, em máquinas macOS ou Linux; ela figura na entrada « Self-hosted machines » de seu changelog, datada de 2 de setembro. Ela deve ser ativada explicitamente e nunca é ligada pelo servidor. A ideia: o agente não se limita mais a arquivos e ao terminal, ele também pode pilotar um ambiente gráfico, por exemplo para verificar a renderização de uma interface. O fato de a função ser documentada na parte « auto-hospedada » é notável: a empresa mantém o controle sobre a máquina onde o agente atua.

Claude Code: cerca de dez falhas de sandbox corrigidas

Do lado do Claude Code, o changelog das versões 2.1.309 e 2.1.310 registra cerca de dez correções que afetam o sandbox, as verificações de permissões e o isolamento de sessões. Exemplo: no macOS e no Linux, comandos Bash « em sandbox » executavam os arquivos de inicialização do shell fora do sandbox. Em outras palavras, vários meios de sair do perímetro autorizado ao agente existiam.

Por que é o mesmo assunto

Quanto mais um agente tem capacidades (lançar comandos, clicar, navegar), mais a qualidade de seu isolamento conta. Um sandbox contornado em um agente que pilota um computador inteiro tem consequências bem mais pesadas do que em um simples assistente de autocompletar.

Artigo corrigido em 27 de outubro de 2026: a função Computer Use do Cursor não foi documentada em 23 de outubro, ela figura no changelog datado de 2 de setembro; contagem das correções do Claude Code esclarecida.

Dois protocolos, duas perguntas

O protocolo padrão é o mesmo para todos os modelos: de um turno para outro, o modelo mantém apenas as anotações que escolhe escrever. É ele que permite comparar fornecedores em pé de igualdade. O protocolo « Provider Adapter » deixa, ao contrário, o modelo usar as funções de gerenciamento de contexto previstas por seu desenvolvedor: para o Astra, a conservação de seu estado de raciocínio (não visível) entre as consultas e a compactação de conversas longas.

Os dois números, portanto, não se contradizem: eles respondem a duas perguntas diferentes. O ARC Prize indica que publicará doravante os dois resultados em seu ranking, cada um claramente identificado.

Custos publicados

A organização publica também o custo de cada avaliação: 26.098 dólares pelos 62,7% (esforço de raciocínio máximo) e 18.817 dólares pelos 99,9% (esforço elevado). Com o segundo protocolo e o esforço máximo, o Astra utilizou ainda menos ações que o humano mediano testado em 96% dos níveis, e 51,7% menos ações por nível em média.

Não é uma prova de AGI

O ARC Prize esclarece que saturar o ARC-AGI-3 não prova que um sistema tenha atingido a inteligência artificial geral: o teste continua limitado, com mecânicas e objetivos fechados, longe da complexidade do mundo real.

Artigo corrigido em 27 de outubro de 2026: a primeira versão apresentava erroneamente a pontuação de 99,9% como um anúncio da OpenAI não reproduzido. Ela foi medida pelo ARC Prize com um segundo protocolo.

Um preço que muda a equação

O modelo é cobrado 2 dólares por milhão de tokens de entrada e 10 dólares de saída. Para um modelo classificado entre os quatro primeiros, é um posicionamento ofensivo: as aplicações de alto volume, como agentes que encadeiam longas sessões ou o processamento de documentos, são aquelas em que o preço por token pesa mais na fatura.

Pesos prometidos, ainda não publicados

O desenvolvedor anuncia que os pesos do modelo serão publicados até 4 de novembro. Se a promessa for cumprida, o K3.1 Pro se tornaria um dos modelos abertos mais bem classificados, baixável e hospedável internamente. Por enquanto, trata-se apenas de um compromisso: verificaremos no prazo.

O que sabemos, o que não sabemos

Essa disponibilidade é o fato sólido deste caso. Ela significa que desenvolvedores e empresas agora podem construir sobre o Argon via API, o que também permitirá primeiras avaliações independentes em larga escala.

Por outro lado, a existência de uma variante “Carbon” baseia-se apenas em um artigo do Business Insider, segundo o qual funcionários do Google estariam testando novos modelos Gemini 4. O Google não a confirmou. Tratamos, portanto, como um rumor: nem suas características, nem seu cronograma, nem mesmo seu lançamento estão garantidos.

Por que é útil fazer essa distinção

Os códigos que circulam antes de um lançamento às vezes viram produto, às vezes não vão a lugar nenhum. Para uma equipe que escolhe um modelo hoje, a única informação utilizável é a disponibilidade do Argon. Esperar uma hipotética versão seguinte só faz sentido se ela for oficialmente anunciada.

Artigo corrigido em 27 de outubro de 2026: a data de 30 de setembro não é sustentada por nossas fontes (o Google apresentou o modelo no final de setembro segundo o Business Insider); o acesso ao público geral é reservado aos assinantes Google AI Pro e Ultra.

O número não resiste totalmente ao teste

O site The Reel Stack reporta um teste independente conduzido pelo criador Grandpa Does AI, que paga seus próprios créditos, em uma mesma conta e com as mesmas imagens de referência. Resultado: uma economia de 26%, não de 62%. A diferença é importante, mas não transforma o T1 em um mau negócio: um quarto de custo a menos continua significativo para quem produz muito vídeo.

Esse tipo de discrepância é frequente com tarifas em créditos. O custo real depende da conversão entre créditos e reais conforme a fórmula de assinatura, da duração dos clipes e do número de gerações malsucedidas que precisam ser refeitas. Uma comparação “por segundo” exibida não diz nada disso.

Seedance sobe de categoria

Ao mesmo tempo, a ByteDance lançou em 23 de outubro o Seedance 2.5 4K, destinado à produção cinematográfica, segundo o TechNode. Essa versão é reservada a certas empresas.

Artigo corrigido em 27 de outubro de 2026: o teste independente foi realizado por Grandpa Does AI e reportado pelo The Reel Stack.

Por que as imagens-chave importam

Muitos geradores de vídeo trabalham a partir de um prompt de texto e, no máximo, de uma imagem inicial e uma imagem final. O resultado costuma ser espetacular, mas difícil de dirigir. Com dez imagens-chave, o usuário pode fixar etapas intermediárias: a entrada de um personagem, uma mudança de cenário, o enquadramento final. Chega-se perto de um storyboard que o modelo se encarrega de animar.

A duração de 30 segundos vai na mesma direção. Um plano de alguns segundos basta para um efeito; trinta segundos permitem uma pequena cena, uma demonstração de produto ou uma transição narrativa completa.

O anúncio da empresa enfatiza três eixos: realismo visual, controle criativo e narrativa. Os dois primeiros dizem respeito à avaliação e ainda não foram objeto de medições independentes publicadas.

Artigo corrigido em 27 de outubro de 2026: Kling 4.0 foi anunciado em 30 de setembro, e não em 15 de outubro.

Nano Banana 2.1, publicado em 6 de outubro pela Google DeepMind, aceita até 14 imagens de referência (até 10 de objetos e 4 de personagens) por um custo de 0,0336 dólar por imagem gerada em 1K na API Gemini, com os tokens de entrada cobrados à parte. Krea 3, lançado em 15 de outubro, oferece edição em 2K, até 6 referências, a 0,03 dólar por imagem em 1K.

O que dizem os números

A diferença de preço é pequena: cerca de 11% a favor do Krea 3 em 1K, com base nos preços anunciados. Em um volume de 10.000 imagens, isso representa cerca de 36 dólares. O verdadeiro critério de escolha está em outro lugar:

• Muitas referências para combinar (uma série de produtos, vários personagens): o Nano Banana 2.1 aceita mais que o dobro.
• Necessidade de resolução na edição: o Krea 3 destaca a edição nativa em 2K, cobrada 0,06 $ por imagem. O Nano Banana 2.1 também gera em 2K (0,0504 $) e em 4K (0,113 $) na API Gemini.

Artigo atualizado em 27 de outubro de 2026: adicionadas as fontes oficiais de preço e número de referências do Nano Banana 2.1, diferença de preço recalculada (cerca de 11%).

Duas promessas se destacam no anúncio. Primeiro, uma geração em 4K nativo, sem passar por uma etapa de upscaling. Depois, uma versão quantizada em INT8 que caberia em 8 GB de memória de vídeo, ou seja, a categoria das placas de vídeo de consumo mais difundidas. Esses dois pontos são características anunciadas pela desenvolvedora: a qualidade real do 4K e a velocidade em 8 GB ainda precisam ser medidas.

Uma licença pensada para pequenas estruturas

A outra novidade é comercial: a licença FLUX Kommunity é gratuita para uso comercial enquanto a empresa tiver receita anual abaixo de 5 milhões de dólares. Freelancers, agências e startups podem, portanto, integrá-la sem custos, enquanto os atores maiores precisarão passar por um acordo.

Artigo atualizado em 27 de outubro de 2026: precisão “receita anual” e link para nosso artigo sobre MOSS-Image.

O modelo é oferecido em duas variantes: Base, o modelo pré-treinado, e SFT, ajustado por aprendizado supervisionado. Os pesos estão publicados no Hugging Face e o código no GitHub, o que permite auditá-lo e ajustá-lo por conta própria.

Um ranking a confirmar

Segundo o relatório técnico da equipe, publicado no arXiv, o MOSS-Image se posiciona em 2º lugar no RealLayoutArena na comparação de sistemas completos. Esse benchmark focado em diagramação foi criado pela própria equipe. É promissor para usos onde a disposição importa (pôsteres, visuais com texto), mas trata-se de um resultado autodeclarado: aguardamos uma medição independente.

Já existe um add-on de edição, com cautela

Uma fonte secundária sinaliza um add-on comunitário, Moss-Image-Edit, que permite editar uma imagem por uma simples frase no ComfyUI e rodaria em uma RTX 4060 de 8 GB em 8 bits. Problema: seus pesos não têm licença clara. Para uso profissional, é melhor ficar, por enquanto, com o modelo oficial.

Artigo atualizado em 27 de outubro de 2026: adicionado o relatório técnico como fonte do ranking RealLayoutArena.